利用图像特性的模糊聚类图像检索方法

在图像的检索方法中,大多数均根据图像的变换域的特征进行检索,其缺点是没有抓住图像的现实属性,从而检索效率低下,检索精度较低。针对此问题,该文根据内容(形状、颜色、纹理等)的视觉特性的不同,结合局部和全局特征,提出一种基于聚类形状的图像检索方法。首先将对象形状包含图像通过Fourier变换的方法进行描述,其次应用双向经验模式分解检测图像边缘,最后应用模糊聚类检索方式进行图像语义类别检索。其中所采用的模糊聚类算法采用机构监督机制,从而使形状识别类别用一组标记形状代表。根据导出的形状原型检索类似形状。相比于现有的检索方法,对比结果显示该方法在检索精度方面有了显著的改善。